Ενεργειακά Αποδοτική Συσκευή Κατασκευασμένη Από Τεχνητά Νευρώνες Μπορεί Να Αποκωδικοποιήσει Εγκεφαλικές Κυματώσεις

Οι ηλεκτρονικές συσκευές στις οποίες βασίζονται οι τρέχουσες αλγόριθμοι των νευρωνικών δικτύων απαιτούν μια έντονη ποσότητα επεξεργαστικής ισχύος, που σημαίνει ότι αυτά τα συστήματα τεχνητής νοημοσύνης (AI) παραμένουν ακόμη μακριά από το να είναι στο ίδιο επίπεδο με τον ανθρώπινο εγκέφαλο για την επεξεργασία αισθητηριακής πληροφόρησης ή αλληλεπιδράσεων με το περιβάλλον σε πραγματικό χρόνο.

Ο κλειδί για την υπέρβαση αυτής της πρόκλησης μπορεί να εμπλέκει τη νευρομορφική μηχανική, η οποία είναι μια νέα προσέγγιση που συνδυάζει την τεχνητή και τη φυσική νοημοσύνη. Ερευνητές στο Πανεπιστήμιο της Ζυρίχης, το ETH Ζυρίχης και το Πανεπιστημιακό Νοσοκομείο Ζυρίχης βασίζονται σε αυτήν την προσέγγιση για την ανάπτυξη eines chip με βάση τη νευρομορφική τεχνολογία, με τον chip να αναγνωρίζει ακριβώς και αξιόπιστα σύνθετα βιοσηματοδοτικά σήματα.

Η νέα έρευνα δημοσιεύθηκε στο Nature Communications. 

Ανίχνευση Υψηλών Συχνοτήτων

Η ομάδα χρησιμοποίησε την τεχνολογία για να ανιχνεύσει επιτυχώς προηγουμένως ηχογραφημένες υψηλές συχνότητες (HFOs), οι οποίες μετρήθηκαν με εγκεφαλικό ηλεκτροεγκεφαλογράφημα (iEEG). Οι HFOs έχουν αποδείξει ότι είναι αξιόπιστοι στην αναγνώριση εγκεφαλικού ιστού υπεύθυνου για επιληπτικές κρίσεις. 

Η ομάδα προσομοίωσε το φυσικό νευρωνικό δίκτυο του εγκεφάλου, το οποίο ονομάζεται σπαστικό νευρωνικό δίκτυο (SNN), για να σχεδιάσει einen αλγόριθμο για την ανίχνευση HFOs. Στη συνέχεια, υλοποίησαν το SNN σε ένα μικρό κομμάτι υλικού που λαμβάνει νευρωνικά σήματα μέσω ηλεκτροδίων, τα οποία είναι εξαιρετικά ενεργειακά αποδοτικά. 

Λόγω αυτής της αποδοτικότητας, οι υπολογισμοί μπορούν να γίνουν με μια πολύ υψηλή χρονική ανάλυση χωρίς να βασίζονται στο διαδίκτυο ή την υπολογιστική στο cloud. 

Ο Giacomo Indiveri είναι καθηγητής στο Ινστιτούτο Νευροπληροφορικής του UZH και του ETH Ζυρίχης.

“Η σχεδίασή μας μας επιτρέπει να αναγνωρίζουμε χωροχρονικές προτυπώσεις σε βιολογικά σήματα σε πραγματικό χρόνο,” λέει ο Indiveri. 

Πρακτικές Χρήσεις

Οι ερευνητές τώρα επιδιώκουν να χρησιμοποιήσουν τις νέες ερευνητικές τους για την ανάπτυξη ενός ηλεκτρονικού συστήματος που μπορεί να αναγνωρίσει και να παρακολουθήσει HFOs σε πραγματικό χρόνο. Σύμφωνα με την ομάδα, αν το εργαλείο χρησιμοποιηθεί ως ένα επιπλέον διαγνωστικό εργαλείο σε αίθουσες χειρουργείου, θα μπορούσε να βελτιώσει το αποτέλεσμα των νευροχειρουργικών παρεμβάσεων. 

Η αναγνώριση HFOs θα μπορούσε επίσης να επηρεάσει άλλα πεδία, με τον μακροπρόθεσμο στόχο της ομάδας να είναι η ανάπτυξη μιας συσκευής για την παρακολούθηση της επιληψίας. Αυτού του είδους η συσκευή θα μπορούσε να χρησιμοποιηθεί εκτός του νοσοκομειακού περιβάλλοντος, καθιστώντας δυνατή την ανάλυση σημάτων από ένα μεγάλο αριθμό ηλεκτροδίων γιαหลาย εβδομάδες ή μήνες. 

“Θέλουμε να ενσωματώσουμε χαμηλής ενέργειας, ασύρματες επικοινωνίες δεδομένων στη σχεδίαση — για να συνδεθούμε με ένα κινητό τηλέφωνο, για παράδειγμα,” λέει ο Indiveri. 

Ο Johannes Sarnthein είναι νευροφυσιολόγος στο Πανεπιστημιακό Νοσοκομείο Ζυρίχης. 

“Μια φορητή ή εμφυτεύσιμη συσκευή όπως αυτή θα μπορούσε να αναγνωρίσει περιόδους με υψηλότερη ή χαμηλότερη συχνότητα εμφάνισης σπασμών, γεγονός που θα μας επέτρεπε να παρέχουμε προσωποποιημένη ιατρική,” λέει ο Sarnthein. 

Η έρευνα για την επιληψία πραγματοποιείται στο Κέντρο Επιληψίας και Επεξεργασίας Επιληψίας της Ζυρίχης, το οποίο είναι μέρος eines συνεργατικού προγράμματος μεταξύ του Πανεπιστημιακού Νοσοκομείου Ζυρίχης, της Ελβετικής Κλινικής Επιληψίας και του Πανεπιστημιακού Νοσοκομείου Παιδιών Ζυρίχης.